采用3种稀疏降噪模型对心电信号进行降噪（Matlab R2021B）

心电信号采集自病人体表，是一种无创性的检测手段。因此，心电信号采集过程中，本身也已经包含了机体内部其他生命活动带来的噪声。同时，由于采集设备和环境中存在电流的变化，产生电磁发射等物理现象，会对心电信号造成一定的干扰，影响后续的诊断。这些噪声能否被适当得去除，对心电信号诊断尤其是自动诊断具有决定性的意义。心电信号中常见的噪声包括基线漂移、以及工频干扰和肌电干扰等。

心电信号采集自病人体表，电极与体表接触不良等往往造成信号基线的漂移。检测过程中病人的活动和呼吸等也是基线漂移的一个来源；这种基线漂移是周期性变化的，叠加到周期性的心电信号上，整体可近似地表现为正弦曲线。基线漂移属于低频信号。被检测者静止状态下，基线漂移的频率通常低于1Hz；而处在运动中的个体，其心电信号的基线漂移往往超出这个范围。

除基线漂移外，心电信号中的噪声还包括工频干扰和肌电干扰。工频干扰是指信号采集环境中由于电磁辐射而出现的噪声干扰，频率与为环境中交流电的频率一致，在欧美地区通常为60Hz；在其它国家和地区，如中国大陆，工频干扰主要成分为50Hz 的干扰信号及谐波。由于人体内各种体液和组织具有电容的作用，这种工频干扰难以避免地被引入人体，对信号造成很大影响。工频干扰相对稳定，但在特殊情况下也可能存在一定的漂移。

工频干扰对 QRS 波群关键点的定位及幅值测量造成很大的影响，而 QRS 的分析是心电信号自动监测和分析的前提，因此能否有效控制工频干扰对于心电信号的自动处理非常重要。

肌电干扰由病患不自觉的肌肉收缩引起，在心电图上表现为高频锯齿波。通常认为肌电干扰是一种白噪声，其频率范围较广，大致在5~2000Hz之间，与心电信号在频谱上有重叠。肌电干扰规律性不强，较难定位和清除。临床上可通过保持环境温度适宜、消除病患紧张心理等预防肌电干扰的发生。

鉴于此，采用采用3种稀疏降噪模型对心电信号进行降噪，运行环境为Matlab R2021B，3种模型分别为：

1) Generalized Minimax Concave penalty

2) Sparsity assisted signal smoothing

3) L1 Norm penalty

完整数据和代码通过知乎学术咨询获得：
https://www.zhihu.com/consult/people/792359672131756032?isMe=1
擅长领域：现代信号处理，机器学习，深度学习，数字孪生，时间序列分析，设备缺陷检测、设备异常检测、设备智能故障诊断与健康管理PHM等。

• 擅长领域：现代信号处理，机器学习，深度学习，数字孪生，时间序列分析，设备缺陷检测、设备异常检测、设备智能故障诊断与健康管理PHM等。